让相关性直接指挥Agent搜索
推荐指数 72.0 NO. 023 · 2026.07.30
upvotes79comments3
为什么值得看
现有检索Agent用相关性选top-k文档后就不管了，这篇论文提出让相关性持续指导grep式语料交互的搜索顺序和片段筛选。对做深度研究Agent的团队来说，这是减少无效搜索轮次的关键优化。
媒体预览
编辑判断
当前主流方案如Perplexity、Glean的Agent搜索基本分两阶段：先向量检索缩小范围，再让LLM逐段精读。这篇论文戳中的痛点是第二阶段完全盲搜——grep命中1000处，LLM只能按固定顺序硬啃。作者把相关性评分注入交互过程，相当于给grep装了优先级导航。
实验细节和开源代码尚未公布，但思路可直接复现：用轻量reranker给grep结果实时打分，让Agent先啃高分片段。如果你的Agent搜索经常陷入"找到文档但定位不到答案"的困境，这是值得跟进的工程方向。